问题出现得很突然，日志倒是留得挺全。内网生成的内容带了 8080 端口，sitemap 里写的是带端口的地址，canonical 是标准端口，蜘蛛把两者当成不同站点。
真正麻烦的地方在于，几个原因的现象几乎一样。生成环境读取了内部访问地址。还有一种是反向代理没有透传真实主机头。
另外，发布流程里没有做域名替换。
第一件事是看 sitemap 里的端口
curl -s https://www.example.com/sitemap.xml | grep -o 'https://[^<]*' | head -3透传真实主机头
proxy_set_header Host $host;接着核对页面规范地址
curl -s https://www.example.com/post/ | grep -o 'canonical"[^>]*'剩下的就是确认没有内部端口请求
grep -c ':8080' access.log报错是间歇性的，我蹲守了半小时才抓到一次完整现场。
白天有业务在跑，能验证的部分都压到了晚上做。
怎么算真的好了，看的是同一批现象。sitemap 与规范地址前缀完全一致，日志里不再出现内部端口请求，收录恢复正常。
提醒一点。端口不同就是不同源，这类问题常出现在容器和网关改造之后。拖得越久，排查成本越高，因为现场状态会被后续操作覆盖。